在 Python 的 Matplotlib 中应用 ColorBrewer 配色方案，可以通过多种方式实现，尤其是借助 Seaborn 库或 `matplotlib.colors` 模块的支持。ColorBrewer 提供了专为数据可视化设计的高质量配色方案，包括顺序型（Sequential）、发散型（Diverging）和定性型（Qualitative）三类，适用于不同数据类型的图表绘制[^1]。 Matplotlib 本身并未直接集成 ColorBrewer 的配色方案，但可以通过第三方库如 `palettable` 或 `seaborn` 来加载并使用这些颜色组合。其中，Seaborn 是基于 Matplotlib 的高级绘图库，内置了对 ColorBrewer 配色方案的支持，用户可以直接通过名称调用这些配色方案并应用于图表中。 以下是一个使用 Seaborn 加载并应用 ColorBrewer 配色方案的示例： ```python import seaborn as sns import matplotlib.pyplot as plt # 使用 Seaborn 获取 ColorBrewer 的 'Spectral' 配色方案，共 11 种颜色 palette = sns.color_palette("Spectral", 11) # 设置当前图表的颜色映射为 'Spectral' sns.set_palette(palette) # 绘制柱状图 sns.barplot(x=range(11), y=range(11)) plt.show() ``` 此外，也可以使用 `matplotlib.colors.ListedColormap` 自定义颜色映射，从而将 ColorBrewer 的 RGB 值直接用于 Matplotlib 的图表中。以下是一个示例： ```python from matplotlib import colors import matplotlib.pyplot as plt import numpy as np # ColorBrewer 的 'Set3' 配色方案的 RGB 值（12种颜色） set3_colors = [ (0.6510, 0.8078, 0.8902), (0.1216, 0.4706, 0.7059), (0.6980, 0.8745, 0.5412), (0.2000, 0.6275, 0.1725), (0.9843, 0.6039, 0.6000), (0.8902, 0.1020, 0.1098), (0.9922, 0.7490, 0.4353), (1.0000, 0.4980, 0.0000), (0.7922, 0.6980, 0.8392), (0.4157, 0.2392, 0.6039), (0.4667, 0.7451, 0.8588), (0.3020, 0.3020, 0.3020) ] # 创建自定义的颜色映射 custom_cmap = colors.ListedColormap(set3_colors) # 绘制热图 data = np.random.rand(10, 10) plt.imshow(data, cmap=custom_cmap) plt.colorbar() plt.show() ``` 上述方法展示了如何在不依赖默认配色方案的前提下，灵活地将 ColorBrewer 的色彩组合应用于 Matplotlib 图表中。这种方式特别适用于需要定制化配色的数据可视化场景，有助于提升图表的可读性和专业性。